現在、持続可能な社会実現のためにモノづくりの効率化が求められている。この目的のため、実際のモノづくりを行う前に、材料のスクリーニングや物性予測のための量子化学計算が行われている。量子化学計算では、材料の構造に対応したエネルギーや状態をあらわす波動関数が得られ、構造と機能の相関に関する知見が得られる。この量子化学計算の材料設計への適応例として、カーボンナノチューブなどの低次元ホスト材料の空間に様々なゲスト分子を取り込むことにより構築されるホスト－ゲスト材料が挙げられる。ホストーゲスト材料は、低次元ホスト材料やゲスト分子の組み合わせ、ならびに、ホスト内部のゲスト分子の配向や配列の多様性に起因して、多種多様な機能を有した材料が構築される可能性を秘めている。しかし、量子化学計算を用いてこれらのホスト－ゲスト材料すべてをスクリーニングしようとすると、計算コストが膨大になり、それらの物性予測が不可能である。このため、複雑な系に適応可能な高速化された量子化学計算の手法の開発が求められている。
京都工芸繊維大学材料化学系 湯村尚史教授、同大学大学院工芸科学研究科物質・材料化学専攻 博士後期課程3年 福浦秀太、および会津大学コンピュータ理工学部 西舘陽平准教授は共同で、人工知能の一種、群知能（Swarm Intelligence (SI) を用いて量子化学計算を用いたホスト－ゲスト構造の最適化の高速化に成功した。 これは、京都工芸繊維大学と会津大学の包括協定による共同研究の成果でり、国際学術誌The Journal of Physical Chemistry A に掲載されている。
量子化学計算では、材料の構造最適化を行うことでエネルギー的に安定した原子配置を得るが、これを行うためには適切な初期構造を構築する必要がある。現在、初期構造は研究者の経験や勘に基づいて構築されており、もし、初期構造が最安定構造と大幅に違うのであれば計算時間は長くなる。本研究では、トリヨードベンゼンをカーボンナノチューブに内包したホスト－ゲスト構造において、群知能の一種、粒子群最適化法 (Particle Swarm Optimization (PSO)) を用いて、エネルギー的に安定したゲスト分子配向を見出した。PSOを行う場合、ホスト－ゲスト構造の安定化エネルギーをオブジェクト関数とし、そのエネルギーを算出するためにレナード・ジョーンズ・ポテンシャルを用いた。このPSOは計算コストが低いため、分子配向に対応した4000個の粒子を探査空間上に生成することが可能であり、個々の粒子を規則に従って動かし最安定構造を探索した。その後、PSOで得られた最安定構造と密度汎関数法計算（Density functional theory (DFT) calculations）で得られた安定構造と比較した結果、良好な一致を示すことが明らかとなった。さらに、PSOで得られた最安定構造をDFT計算の初期構造として用いた場合、DFT計算による構造最適化のプロセス時間の大幅に低減された。
本研究の成果により、量子化学計算を用いた構造最適化において研究者の勘と経験をもちいることなく、最安定構造に近い初期構造を誰しも簡単に作成することが可能となった。言い換えると、この成果により人工知能加速型量子化学計算の手法が確立できたことになる。量子化学計算が、現在のモノづくりに不可欠なツールであることを考えると、本研究の成果で確立された技術は、モノづくりの効率化に寄与するものであり、持続的社会実現のために資するものと考えられる。本研究では、カーボンナノチューブなどの低次元材料からなるホストーゲスト材料の安定構造を見出すことをターゲットにしたものであるが、化学結合が生成・消滅をともなう化学反応の追跡に転用されることが期待される。人工知能加速型量子化学計算により化学反応の高速追跡が可能となれば、環境・エネルギー問題解決に向けた触媒材料の創製の効率化につながり、波及効果があり社会的なインパクトは高い。
※このページに含まれる情報は、掲載時点のものになります。
